新巴塞尔协议中信用风险管理IRB法解析

李裕丰， 王 赫， 毛 伟

(沈阳工业大学 经济学院， 沈阳 110870)

2007年爆发的次贷危机冲击了欧美几乎所有金融机构，而中国金融业却没有受到严重影响，反而由于国内的扩张性货币政策，使银行业呈现出一派欣欣向荣的景象。但是应该清醒地认识道，这并不是由于我国的风险管理技术高超，而是因为我国的资本账户没有开放，与国际金融业关系疏远，因而得以幸免于难。在风险管理方面，十国集团早已于2006年实施新资本协议，中国8家商业银行即将从2010年起试运行新资本协议。因此，在后金融危机背景下，研究发达国家金融机构实施新资本协议的经验，尤其是新资本协议信用风险管理IRB法在设计上的原理和问题，对于我国金融业构建新资本协议管理框架、防范金融风险、提高金融效率有重要的现实意义。

一、新资本协议IRB法的基本框架

新资本协议IRB法以资产组合管理理论作为理论基础，根据借款人的类别将债项划分为不同的风险类别，每一风险类别规定有4个风险要素，在商业银行自行测算或从监管当局获得风险要素值的基础上，根据新资本协议所规定的风险权重函数来测算商业银行应具备的风险资本金规模。新资本协议IRB法实施的关键是建立一个两维的、以定量分析为主的内部评级体系，并且要在各方面符合新资本协议IRB法的基本要求。

按照IRB法的要求，银行必须将账户划分为主权、银行、公司、零售、项目融资及股权风险六大资产类别。IRB法下的各项资产类别都有3个关键问题，即风险构成要素、风险权重函数和最低资本要求[1]。首先，为计算风险加权资产，有4个风险构成要素需要确定：违约概率PD、违约损失率LGD、违约风险暴露EAD、有效期限M。如果LGD、EAD、M由监管机构确定，则称为基本法；如果LGD、EAD、M由银行采用内部评级系统确定，则称为高级法。其次，构建风险权重函数(RW函数)，将上述3个风险要素转化成计算风险资产的风险权重。最后，根据各类资产的风险权重，计算各类资产的风险加权资产以及银行总体信用风险加权资产，从而求出信用风险监管的最低资本要求。

新资本协议中内部评级模型的基础实际上就是对几个著名信用风险管理模型的应用，其区别主要体现在基准风险权重的调整和风险集中度的调整上，这是新资本协议资本金计算的核心。

二、新资本协议IRB法的设计原理

新资本协议IRB法遵循的主要设计原理是资本金应该抵御意外损失UL，而准备金应该抵御预期损失EL，并以预期损失和意外损失之和为依据确定风险权重。通常的处理办法是：一方面，将针对所有贷款提取的普通准备金作为会计资本的一部分；另一方面，对已经识别出风险的贷款按照其风险程度提取专项准备金作为备抵账户，在会计准则中不作为资本来考量；同时，将上述两部分都作为监管资本计算。经济资本是指在一定的置信度水平上和一定时间内为弥补银行的非预期损失所需要的资本。计算经济资本的前提是对银行风险进行量化。资产组合的适度资本要求等于风险价值VaR[2]。据此，在一定的置信水平或目标清偿概率下计算得出风险价值后，可以得到如下关系：监管资本≥经济资本=意外损失UL=风险价值VaR。如果可以用一个特定时间段的概率密度函数来确定银行信贷资产组合的未来收益或损失，即信贷资产组合的风险价值，并使其在该时间段内遭受损失的可能性降低到预期的置信度水平，那么银行的资本监管主要在于测算该概率密度。在新资本协议中，这一组合价值的概率密度就是银行风险加权资产的概率密度，表示为其资产违约概率PD的函数，而预期的置信度就是银行的目标清偿概率或损失保护目标。

三、IRB法中风险构成要素的计算

与新资本协议的标准法一样，风险加权资产也是风险权重与风险暴露的乘积。但IRB法下的风险权重是以PD、LGD、M的连续函数来表示的，并不依赖于标准法下监管当局确定的风险权重档次，同时，IRB法下的风险暴露就是违约风险暴露EAD。新资本协议对6种风险暴露类型都给出了风险加权资产的具体计算方法，但这些风险暴露处理的范式大致相同，仅在参数上有所区别，下面以公司风险暴露为例进行说明。

1.风险权重(RW)的确定

总的公司风险暴露加权资产为

TRWA=∑RWi×EADi

(1)

式中，RWi为第i个信贷资产的风险权重，表示违约时单位风险暴露的损失率，表明i资产对总风险暴露加权资产的边际贡献，它通过式(2)确定[3]

RW= min{(LGD/50)×BRW(PD)×[1+

b(PD)×(M-3)]，12.5×LGD}

(2)

式中，BRW(PD)和b(PD)分别为基准风险权重和期限调整因子，它们都是违约概率PD的函数，BRW(PD)由式(3)确定

BRW(PD)= 976.5×N(1.118×G(PD)+

(3)

式中，N(x)为标准正态分布随机变量的累计分布函数，G(x)为其反函数。

上述计算公式对基本法和高级法都适用，只不过在基本法中，委员会要求所有债务的平均期限假定为3年，这样在基本法中，1+b(PD)×(M-3)=1，因此，风险权重RW简化为

RW=min{(LGD/50×BRW(PD)，12.5×LGD}

(4)

2.基准风险权重(BRW)的校定

内部评级模型隐含的公司自身风险因素和系统风险因素都会对公司的违约产生影响，新资本协议为使得资本金计算具有可加性，在IRB法中应用了单因素模型，即基准风险权重所强调的只是债务人受到系统风险影响时的违约概率。

假设有n个公司的贷款，各公司的标准化资产收益率为Zi，且可以分解为

(5)

式中：Z——标准化市场指数收益，是系统风险因素的代表；

wi——公司对市场指数的标准权重，衡量债务人对系统风险的敏感性，在新资本协议中称为负载系数；

εi——公司i的特有收益，反映公司特有风险因素。

假定Z，εi(i=1，2，…，n)是独立标准正态分布的，则Zi也是标准正态的，Zi和Zj的相关系数就是wiwj。

(6)

这一条件概率即为市场指数Z的变化所造成的债务人条件违约概率。

如果公司的无条件违约概率PD相同，贷款规模相同，对市场指数的标准权重也相同(即wi=wj=w，亦即相关系数ρ=w2相同)，则对于标准资产(PD=0.7%，LGD=50%，M=3)，当各资产的相关系数为20%且1年期损失保护目标为99.5%时，系统风险因素体现的条件违约概率PD(Z)=N(1.118×G(PD)+1.288)。因此，对于通过内部评级得到的每个风险等级的公司风险暴露，在相同的相关系数假定下都可以得到一个受相应风险因素影响的条件违约概率PD(Z)。如果无条件违约概率PD是由Credit Metrics的转移矩阵得到的，则相同等级的信贷资产受相同系统风险因素的影响会有相同的条件违约概率PD(Z)，基准风险权重的第三项(1+0.047 0×(1-PD)/PD0.44)是将上述1年期市场因素引起的条件违约概率调整为3年期标准贷款违约概率的期限调整函数，这是一个经验公式。而基准风险权重的第一项976.5，则是违约概率PD=0.7%和违约损失率LGD=50%时风险权重达到100%的整体调整因子，即标准风险资产权重为1的调整因子。

3.期限调整因子b(PD)的确定

该因子的确定依赖于银行所使用的信用风险管理模型，包括市场模型(mark to market，MTM)和违约模型(default mode，DM)，它们都在银行业内普遍使用，而经济资本对期限的敏感性在很大程度上取决于这一选择[5]。

在MTM模型下，期限调整因子的函数为

b(PD)= 0.023 5×(1-PD)PD0.44+

0.047 0×(1-PD)

(7)

在DM模型下，期限调整因子的函数为

(8)

4.违约概率(PD)和违约损失率(LGD)的预测

借款人无条件违约概率(PD)是内部模型的一个主要输入变量，一般有两种方法可以预测[6]：

(1) 对于相同信用等级的债务人，可以利用其历史违约数据确定违约概率，如J·P·Morgan的Credit Metrics等级转移概率矩阵。这种方法的特点是用历史违约概率作为对实际违约概率的估计，相同信用等级的债务人具有相同的违约概率。

(2) 根据具体债务人的资产结构，利用期权定价模型计算违约概率。如KMV公司的Credit Monitor模型，通过“违约距离”DD来估计违约概率PD。该方法依据的公式为

(9)

利用该方法的具体步骤是：首先利用公司的权益价值和波动性估计公司资产的市场价值和波动性，然后计算公司的“违约距离”DD，再通过DD和大样本历史违约记录的对应关系计算预期违约频数EDT，此即为违约概率PD的估计值。这种方法的特点是：公司的违约概率是公司自身资本结构、资产收益波动性和当前资产价值的函数，因而不同公司有不同的违约概率。

对于LGD的估计，一般可以通过建立LGD评级指标利用历史数据确定。LGD的级别可以根据产品特征、债务人或交易类型进行划分。比如，Credit Metrics模型中根据信贷产品的特征给出了不同的违约损失率。

四、IRB法存在的主要问题及对策

1.数据匮乏造成违约概率(PD)评估困难

金融机构持有的具有较低或者零违约风险的资产组合，称为低违约组合。违约率较低的原因可能是：第一，某一组合中的贷款质量很高；第二，某一组合中的贷款数目很少；第三，某一组合的交易历史较短。由于缺少违约数据，对低违约组合的评估存在差错扩大的趋势，低估违约概率的可能性也因此增加。

以下4种方法可以用来解决低违约组合的问题：① 使用金融机构的内部数据。可以将低违约组合与其他内部组合进行恰当地映射，适当调整后使用其他组合的违约概率。也可以将相邻评级和具有相似特征的次投资组合的数据进行整合，以扩大低违约组合数据样本的规模。在评估违约概率时，使用低违约组合中资产质量的变化信息，整合资产质量恶化以及直接变成违约的可能性数据。② 使用外部数据来源。可以将低违约组合与外部数据源匹配以增加违约样本，这些外部数据来源时间更长或者样本更多。也可以使用定价模型，从市场信息(如贷款息差)中找到低违约组合的违约概率。③ 使用违约预测模型的结果。违约预测模型包含了假设能影响违约概率水平的解释变量，可以使用该模型所评估的违约概率，而非直接使用真实的违约数据[7]。④ 通过专家进行判断。根据专家的经验和知识，评估低违约组合交易的违约概率。

上述4种方法对评估和检验风险因素是非常重要的，可以通过比较各种方法的评估结果，来提高风险因素评估和检验的质量。同时，金融机构应该将评估和检验的流程作为信用政策的一部分，风险评估应该直接或者作为参考指标反映在贷款定价中，由此能保证风险评估和贷款操作之间在一定程度上保持一致性。

2.利用外部数据和模型的问题

使用外部数据的目的主要包括评估风险要素、收集建模样本数据和检验内部评级。使用外部数据和模型可能在以下情况下很有效：① 内部数据的样本数量有限；② 必须购买外部公司的技术和方法；③ 需要降低内部模型的建立成本；④ 将金融集团内关键机构中所发展的数据和模型应用于集团内其他机构。当外部数据用于评估违约概率这样的风险要素时，必须严格分析内部和外部数据的一致性，因为这样的评估将直接影响到必需资本的数量。在确认外部和内部数据的一致性时，必须了解两者在各个特质上的差异[8]。例如，在违约概念和借款人特点的认识上可能存在差异；外部评级所使用的标准可能不一样，评级机构通常从长期角度评价一家公司，而金融机构业务模型的评价周期相对较短。

对于风险管理模型的使用者来说，建模的数据或者关于模型逻辑的信息非常重要，如果模型使用者不能掌握这些信息，模型就成了“黑箱”。当用于建模的样本数据存在“黑箱”时，如果样本数据和金融机构的资产组合差别很大，模型的效果将大受影响。建议采用以下方法解决：① 使用内部和外部数据检验模型；② 从卖方和外部机构获得样本数据分布方面的信息；③ 要求卖方用本机构提供的数据检验该模型。当模型结构和逻辑、建模方法、模型参数以及模型初始输出(如评分)存在“黑箱”时，机构将不能识别投资组合恶化背后的因素，也不能识别造成相似信用度的借款人出现评级结果差异的因素，必须通过观察投资组合表现的差异广泛地识别这些因素，或者使用第三方信息在检验过程中采取不同方法。当卖方检验结果存在“黑箱”时，就不能准确检验模型效果，如果内外部数据显示模型效果显著恶化，必须要求卖方披露检验结果。

使用外部数据所建立的内部模型可以通过以下方法得到检验：首先选择同时包含在内部和外部数据中的借款人,然后比较其在内部模型和其他模型中的评级结果。另外，比较外部数据和内部数据输入内部模型后得到的不同违约分布也是有效的方法[9]679-682。

3.违约损失率(LGD)评估困难

违约损失率是对每一个损失事件而言表明本金损失严重程度的指标。由于缺少数据和存在技术上的问题，对于违约损失率的定义和评估方法并没有形成共识，原因如下：① 评估违约损失率需要大量信息，需要收集多年的现金流和反映数据收集风险贴水的折扣率，并且数据收集周期一直持续到违约发生后才能完成。② 目前模型对下列情况尚未提供处理方法：经济衰退时违约损失率的普遍下行，违约概率和违约损失率之间的关系，从违约状态恢复为非违约状态的资产组合，测算包括担保覆盖率、担保价值变动趋势等影响违约损失率的特别因素。同时，也没有历史数据证明违约损失率评估方法的优劣：应该对违约损失率进行直接评估，还是通过评级模型间接估计；应该通过基于领先知识的打分模型估计，还是通过基于统计学方法的评级模型估计。这造成违约损失率估计标准存在很大差异，影响到模型评估结果的准确性。

在收集违约损失率数据时，金融机构需要明确下列要点：在违约概率和违约损失率中对违约采用相同定义；考虑到跟踪长期数据需要大量收集工作的难度，应该事先定义和决定最大周期，对超出最大周期的数据收集时间进行评估并保守处理；考虑违约率和违约损失率之间的关系来决定违约损失率的下行，因为在经济下滑时往往伴随着违约率的提高，违约损失率往往也会随之增加[10]，也可以使用经济周期底部的违约损失率或者有违约率权重的违约损失率；将数据收集风险的折扣率视为“基于贷款合同利率的利率”，调整风险贴水。金融机构应该尽可能地明确以上要点，建立一个能够在数据收集过程中自动发现异常价值的系统，持续收集违约损失率数据。应该考虑影响违约损失率的因素以及违约损失率对这些因素的敏感度，可以考虑对以下过程建模：① 违约资产转向非违约资产的过程；② 违约资产的担保资产的收集过程；③ 未被担保资产覆盖的资产部分的收集过程。

参考文献：

[1]The Basle Committee on Banking Supervision.Amendment to the capital accord to incorporate market risks [EB/OL].[2009-01-16].http：//www.bis.org.

[2]李裕丰，罗丹程，王赫.基于VaR方法的金融风险度量模型及其应用 [J].沈阳工业大学学报：社会科学版，2009(4)：335-339.

[3]The Basle Committee on Banking Supervision.An internal model based on market risk capital requirements [EB/OL]. [2009-01-12].http：//www.bis.org.

[4]李裕丰.论新巴塞尔协议信用风险管理框架及其在我国的应用 [J].沈阳工业大学学报：社会科学版，2008(3)：226-229.

[5]赵先信,陈颖,王胜邦.打开内部评级法的黑箱：假设、模拟与监管实践 [J].国际金融研究，2008(8)：24-34.

[6]韩岗.国外信用风险度量方法及其适用性研究 [J].国际金融研究，2008(3)：43-47.

[7]邓凯成,岳萍娜.我国商业银行信用风险计量存在的问题及改进建议 [J].海南金融，2008(5)：61-63.

[8]商业银行信用风险内部评级体系监管指引 [EB/OL].[2008-09-18].http：//china.findlaw.cn.

[9]Philippe J.Financial risk manager handbook [M].4th Edition.USA：GRAP，2007.

[10]王胜邦,陈颖.新资本协议内部评级法对宏观经济运行的影响：亲经济周期效应研究 [J].金融研究，2008(5)：48-64.